【赞助商】

通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事

传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd

【目录】

本期的 15 篇论文如下：

[00:31] ⚗ MolHIT: Advancing Molecular-Graph Generation with Hierarchical Discrete Diffusion Models（MolHIT：基于分层离散扩散模型推进分子图生成）

[01:08] 🎭 DreamID-Omni: Unified Framework for Controllable Human-Centric Audio-Video Generation（DreamID-Omni：可控人本音视频生成统一框架）

[01:49] 🧪 ARLArena: A Unified Framework for Stable Agentic Reinforcement Learning（ARLArena：一个用于稳定智能体强化学习的统一框架）

[02:40] ⚡ HyTRec: A Hybrid Temporal-Aware Attention Architecture for Long Behavior Sequential Recommendation（HyTRec：一种用于长行为序列推荐的混合时序感知注意力架构）

[03:22] 🎬 SkyReels-V4: Multi-modal Video-Audio Generation, Inpainting and Editing model（SkyReels-V4：多模态视频-音频生成、修复与编辑模型）

[04:10] 🎮 Solaris: Building a Multiplayer Video World Model in Minecraft（Solaris：在《我的世界》中构建多人视频世界模型）

[05:20] 🤖 GUI-Libra: Training Native GUI Agents to Reason and Act with Action-aware Supervision and Partially Verifiable RL（GUI-Libra：通过动作感知监督和部分可验证强化学习训练原生GUI智能体进行推理与行动）

[06:19] 🎬 JavisDiT++: Unified Modeling and Optimization for Joint Audio-Video Generation（JavisDiT++：面向联合音视频生成的统一建模与优化）

[07:11] 🌐 Image Generation with a Sphere Encoder（使用球面编码器的图像生成）

[07:51] 🧭 World Guidance: World Modeling in Condition Space for Action Generation（世界引导：基于条件空间的世界建模用于动作生成）

[08:31] 🔍 NanoKnow: How to Know What Your Language Model Knows（NanoKnow：如何知晓你的语言模型知道什么）

[09:10] ⚡ DualPath: Breaking the Storage Bandwidth Bottleneck in Agentic LLM Inference（DualPath：打破智能体化大语言模型推理中的存储带宽瓶颈）

[10:11] 🧠 The Design Space of Tri-Modal Masked Diffusion Models（三模态掩码扩散模型的设计空间研究）

[10:46] 🔤 VecGlypher: Unified Vector Glyph Generation with Language Models（VecGlypher：基于语言模型的统一矢量字形生成）

[11:20] ⚡ SeaCache: Spectral-Evolution-Aware Cache for Accelerating Diffusion Models（SeaCache：一种用于加速扩散模型的频谱演化感知缓存）

【关注我们】

您还可以在以下平台找到我们，获得播客内容以外更多信息

小红书: AI速递